DGX Spark 中文社区

Playbook

在 AI Workbench 中构建 RAG 应用

- [Overview](#overview)

统一模板Markdown 驱动/rag-ai-workbench

在 AI Workbench 中构建 RAG 应用

安装并使用 AI Workbench 克隆并运行可重现的 RAG 应用程序

目录

概述

基本思路

本演练演示了如何设置和运行智能体检索增强生成 (RAG)
使用 NVIDIA AI Workbench 的项目。您将使用 AI Workbench 克隆并运行预构建的智能体 RAG
智能路由查询、评估响应的相关性和幻觉的应用程序，以及
迭代评估和生成周期。该项目使用Gradio Web界面并且可以工作
具有 NVIDIA 托管的 API 端点或自托管模型。

你将完成什么

您将拥有一个在 NVIDIA AI Workbench 中运行的功能齐全的智能体 RAG 应用程序，并带有 Web
您可以在其中提交查询并接收智能响应的界面。系统将演示
高级 RAG 功能，包括查询路由、响应评估和迭代细化，
让您亲身体验 AI Workbench 的开发环境和复杂的 RAG
架构。

开始之前需要了解什么

  • 基本熟悉检索增强生成 (RAG) 概念
  • 了解 API 密钥以及如何生成它们
  • 舒适地使用网络应用程序和浏览器界面
  • 对容器化开发环境的基本了解

先决条件

硬件要求：

  • NVIDIA Grace Blackwell GB10 超级芯片系统

软件要求：

  • NVIDIA AI Workbench 已安装或准备安装
  • 免费 NVIDIA API 密钥：在 NGC API Keys 生成
  • 免费 Tavily API 密钥：在 Tavily 生成
  • 用于克隆存储库和访问 API 的互联网连接
  • 用于访问 Gradio 界面的 Web 浏览器

验证命令

  • 验证 DGX Spark 系统上是否存在 NVIDIA AI Workbench 应用程序
  • 验证您的 API 密钥是否有效且是最新的

时间与风险

  • 预计时间： 30-45 分钟（如果需要，包括 AI Workbench 安装）
  • 风险级别： 低 - 使用预构建的容器和已建立的 API
  • 回滚： 只需从 AI Workbench 中删除克隆的项目即可删除所有组件。在 AI Workbench 环境之外不会进行任何系统更改。
  • 最后更新： 2025 年 10 月 28 日
    • 少量文案编辑

指示

步骤 1. 安装 NVIDIA AI Workbench

在 DGX Spark 系统上安装 AI Workbench 并完成初始设置向导。

在 DGX Spark 上，打开 NVIDIA AI Workbench 应用程序并单击“开始安装”。

  1. 安装向导将提示进行身份验证
  2. 等待自动安装完成（几分钟）
  3. 安装完成后单击“让我们开始吧”

[！笔记]
如果您遇到以下错误消息，请重新启动 DGX Spark，然后重新打开 NVIDIA AI Workbench：
“发生错误...容器工具未能达到就绪状态。重试：docker 未运行”

步骤 2. 验证 API 密钥要求

接下来，您应该确保在继续项目设置之前拥有两个必需的 API 密钥。请妥善保管这些钥匙！

保持这两个密钥可供下一步使用。

步骤 3. 克隆智能体 RAG 项目

然后，您可以将预构建的智能体 RAG 项目从 GitHub 克隆到您的 AI Workbench 环境中。

在 AI Workbench 登录页面中，选择 本地 位置（如果尚未这样做），然后单击右上角的“克隆项目”。

将此 Git 存储库 URL 粘贴到克隆对话框中：https://github.com/NVIDIA/workbench-example-agentic-rag

单击“克隆”开始克隆和构建过程。

步骤 4. 配置项目机密

然后，您可以配置智能体 RAG 应用程序正常运行所需的 API 密钥。

项目构建时，使用出现的黄色警告横幅配置 API 密钥：

  1. 单击黄色横幅中的“配置”
  2. 输入您的“NVIDIA_API_KEY”
  3. 输入您的“TAVILY_API_KEY”
  4. 保存配置

等待项目构建完成后再继续。

步骤 5. 启动聊天应用程序

您现在可以启动基于 Web 的聊天界面，在其中可以与智能体 RAG 系统进行交互。

导航到 环境 > 项目容器 > 应用程序 > 聊天 并启动 Web 应用程序。

浏览器窗口将自动打开并加载 Gradio 聊天界面。

步骤 6. 测试基本功能

通过提交示例查询来验证智能体 RAG 系统是否正常工作。

在聊天应用程序中，单击或键入示例查询，例如：How do I add an integration in the CLI?

等待智能体系统处理并响应。响应虽然一般，但应该展示智能路由和评估。

步骤 7. 验证项目

通过测试核心功能来确认您的设置正常工作。

验证以下组件是否正常工作：

  • Web 应用程序加载无错误
  • 示例查询返回响应
  • 没有出现 API 身份验证错误
  • 智能体推理过程在“Monitor”下的界面中可见

步骤 8. 完成可选的快速入门

您可以通过上传数据、检索上下文和测试自定义查询来评估高级功能。

子步骤 A：上传样本数据集
完成应用内快速入门说明，上传示例数据集并测试改进的基于 RAG 的响应。

子步骤 B：测试自定义数据集（可选）
上传自定义数据集，调整路由器提示，然后提交自定义查询以测试自定义。

步骤 10. 清理和回滚

如果需要，您可以删除该项目。

[！警告]
这将永久删除该项目和所有关联数据。

要完全删除项目：

  1. 在 AI Workbench 中，单击项目旁边的三个点
  2. 选择“删除项目”
  3. 出现提示时确认删除

[！笔记]
所有更改都包含在 AI Workbench 中。在 AI Workbench 环境之外未进行任何系统级修改。

步骤 11. 后续步骤

您还可以使用 Agentic RAG 系统探索更多高级功能和开发选项：

  • 修改项目代码中的组件提示
  • 上传不同的文档来测试路由和定制
  • 尝试不同的查询类型和复杂程度
  • 查看“监控”选项卡中的智能体推理日志以了解决策

考虑自定义 Gradio UI 或将智能体 RAG 组件集成到您自己的项目中。

故障排除

症状原因使固定
泰维利 API 错误互联网连接或 DNS 问题等待并重试查询
401 未经授权API 密钥错误或格式错误替换 Project Secrets 中的密钥并重新启动
403 未经授权API密钥缺少权限生成具有正确访问权限的新密钥
智能体循环超时复杂查询超出时间限制尝试更简单的查询或重试

有关最新的已知问题，请查看 DGX Spark User Guide。